研究

同社は、半導体メーカーのサプライチェーンにおける研究時間とレアメタル使用量を削減するAIソフトウェアの開発を目指す。

この記事は、2026年までにAIインフラの主な制約がGPU供給から電力グリッド容量に移行すると主張している。2027年までにAIデータセンターの40%が電力制約を受けると予測し、新しいグリッド接続の承認期間は24〜36ヶ月に及ぶ。電力需要の詳細な分析、推論が電力曲線を駆動する理由、効率改善、スケジューリング、地理的分散などの戦略について説明し、Spheronの分散GPUネットワークを回避策として紹介している。

新しい研究では、3つのLLMウォーターマーク手法（KGW、Unigram、SynthID-Text）のフォレンジック信頼性を評価し、いずれも法廷の証拠基準を満たさないことが判明した。846回のパラフレーズ実行において、KGWとUnigramのウォーターマークは100%除去され、SynthIDは98.3%除去された。偽陰性率は70-83%で、SynthIDは人間が書いた対照テキストの5.4%をAI生成と誤分類した。研究者らはフォレンジック準備性スコア（FRS）フレームワークを提案したが、テストされた構成は法廷で許容される証拠を提供できないと結論付けた。

NYC LL144およびEU AI Actに関する無料のコンプライアンスリソース。ガイド、罰金計算ツール、AEDTスコープチェッカーなどを提供。執行スケジュール、罰金事例、監査要件、主要な義務をカバー。

Zlvox AI Humanizer は、Groq Llama 3.3 を使用して AI 生成テキストを自然な人間の文章に変換する無料のオンラインツールです。GPTZero や Turnitin などの検出器を回避でき、複数の人間化レベル、トーン調整、文法修正、パラフレーズ、要約機能を備えています。サインアップ不要で無制限に利用できます。

Metaの監視委員会による新たな研究は、米国製を含む主要なAIシステムが権威主義的な指導者を批判することを拒否する傾向が強く、AIがプロパガンダツールになる可能性があると警告しています。

Inklingは、ファインチューニングに特化したオープンウェイトの975Bパラメータマルチモーダルモデルです。

専門家は、バードウォッチングプラットフォームでの加工写真の増加が偽の目撃情報を作り出し、科学者が使用するツールの信頼性を脅かしていると警告しています。

本論文では、軟質アーキテクチャセグメントに埋め込まれた流体制御圧力センサの共通信号から固有感覚と接触信号を分離するモデルベース戦略を提案する。各セグメントには6つの空気チャネルがあり、過決定系を処理するために区分一定曲率モデルとHuber回帰を用いて形状推定と接触検出を実現する。単一セグメント試験では、相対曲げ誤差0.11±0.02、接触検出率97%を達成。8つのセグメントを統合したAir-Helix腱駆動マニピュレータで、触覚教示、アドミッタンス制御、物体再構築を実証。

本論文は、対話型Q&Aを通じて動的にパーソナライズされた心理学的に基づくロボットのパーソナを生成するPACEフレームワークを提案する。Ameca人型ロボットに統合され、静的ベースラインと比較してユーザの信頼、擬人化認識、インタラクション品質を大幅に向上させる。

本論文では、動的制約下のシステムに対する多目的運動計画問題に取り組み、安定スパースRRT（SST）アルゴリズムに基づく統一フレームワークを提案する。各証人近傍の単一代表ノードを局所パレート最適ノードの集合に置き換えることで、lexSST、coSST、poSSTの3つのアルゴリズムを導出し、完全性と最適性の理論的保証と実験的評価を示す。

本論文は、物理的なワークスペースのレイアウトを最適化することで、共有自律システムにおける目標推論の信頼性を向上させ、確率的な正当性保証を提供する。実験により、最適化されたレイアウトはあいまいさを低減し、推論精度を向上させることが示された。

人間は不確実な結果を評価する際にリスクに敏感であり、稀なネガティブイベントを過大評価する傾向がある。従来の報酬学習では期待効用（EU）モデルが使われるが、本研究では累積プロスペクト理論（CPT）に基づく手法を提案。ソーシャルロボットナビゲーション実験で、リスク敏感なユーザーの選好に対してCPTがEUよりも低い後悔値を達成し、人間のリスク感受性をモデル化する重要性を示した。

本論文は、視覚触覚アクティブパーム（VTAP）と触覚アレイセンサを備えた柔軟な再構成可能な指を統合した触覚反応グリッパーを提案する。構造化された指-手のひらの相乗効果とマルチモーダル知覚により、堅牢な把持と微細な操作を実現する。さらに、段階的なジェスチャー条件付きリターゲティングフレームワークを提案し、遠隔操作を可能にする。実験では、YCB物体の把持、注射器の再配置、3mmの物体の分離など、困難なタスクで高い性能を示した。

本論文では、二成分シリコーン注型を用いたソフト空気圧アクチュエータの堅牢で再現可能かつスケーラブルな製造手順を紹介する。内部空洞の詰まり防止と気密シールの確保、薄膜フレックスセンサーの堅牢な埋め込み手順を含む。有限要素モデリング、PID圧力制御による空気圧実験、自動画像処理によるセンサー校正によりアクチュエータ性能を検証。階段状および正弦波駆動実験で高い再現性と低いヒステリシスを示し、2人の作業者による24回の成功製造で検証された。

NeuroCommitSSMは、支援ロボット操作における安全なコミット・実行制御のための意思決定中心型フレームワークです。同期したEEG、EMG、アイトラッキングから連続的なコミット準備スコアを予測し、滞留時間とヒステリシスフィルタリングにより離散的なコミットイベントに変換します。3状態有限状態スーパーバイザーHOLD-ASSIST-COMMIT（HAC）は、神経モデルからの持続的なコミット準備信号とリアルタイムの実行可能性チェックの両方を要求して実行を制御します。32名の被験者による5つの日常生活動作タスクの評価では、0.950の行動バランス精度、1000RESTウィンドウあたり0.75の誤コミットを達成し、センサー欠落下でも頑健性を維持します。ハードウェアインザループ検証により、誤起動と意思決定の不安定性を低減しつつ、タスク成功率を損なわないことが示されました。

Xiaomi Roboticsチームは、基礎的な視覚言語行動（VLA）モデルであるXiaomi-Robotics-1を提案する。このモデルは、未見の環境で多様な言語指示に従って移動操作タスクを実行し、最小限の微調整データで新しい下流タスクに効率的に適応できる。2段階のトレーニング手法を採用し、プレトレーニングではUMIデバイスで収集した10万時間以上の実世界操作軌跡を使用し、スケーラブルな自動ラベリングパイプラインを開発。ポストトレーニングでは、ロボットのエンボディメントと人間の命令を整合させる。実験では強いスケーリング挙動を示し、RoboCasa365で57.6%の成功率、RoboDojoで平均スコア20.07を達成し、従来の最先端を上回った。コードとモデルは公開予定。

クロスビュー地理位置特定は地上観測を衛星画像とマッチングする。近年の手法はビデオクリップなどのシーケンシャルクエリで時空間的手がかりを得るが、経路記述という補完的モダリティを見落としている。本論文ではSeqGeo-VLデータセット（約3.9万のビデオ-テキスト-衛星トリプレット）とTrajLoc統一フレームワークを提案。ビデオと経路記述の両方を処理し、密な視覚的意味と抽象的な言語的意味を相互強化する。さらにTrajMod軽量モジュールにより、軌跡形状に基づいてクエリ埋め込みを条件付け、空間認識表現を実現。実験ではビデオ・テキスト双方の地理位置特定で最先端手法を大幅に上回る成果を示した。

スクリーニングマンモグラフィAIに異常が豊富な外部データセットからの生検確定症例を追加する効果を評価した研究で、データセットの混合は性能を低下させ、追加の陽性症例の利点を相殺するドメインシフトを引き起こすことがわかりました。

CNNは方向特徴を効果的に抽出できないことが知られています。本研究では、コンパクトな方向特徴とその確信度を含む複素構造テンソルをCNNの入力として使用することで、グレースケール画像のみの場合と比較して識別精度が一貫して向上することを示しました。また、小型複素畳み込みネットワークが提供する入力を用いてCNNサイズを縮小したモデルが、本格的な主流CNNアーキテクチャを凌駕することも実証されました。これは、哺乳類の視覚系に見られる方向特徴の先行利用がCNNの限界を緩和するだけでなく、説明可能性を高め、軽量デバイスへの適合性を向上させることを示唆しています。公開データセット（Cross-EyedおよびPolyU）を用いた閉世界および開世界シナリオでの実験では、等価誤り率が5～26%減少し、明示的な方向事前情報がCNNの表現能力の限界を緩和するという強力な経験的証拠が得られました。

GS-RealBlurは、画像ぼけ除去モデルの訓練用に現実的で柔軟なぼけ・鮮明画像ペアを収集する新しいデータ収集フレームワークです。ハンドヘルドカメラでぼけ画像を、ジンバルで密な鮮明画像を撮影し、3Dシーン表現を再構築し、ぼけ認識ポーズ洗練モジュールでカメラポーズを最適化します。GS-RealBlurデータセットで訓練されたモデルは、既存の合成・実世界データセットで訓練されたものを複数のベンチマークで上回ります。

高齢者の転倒は主要な安全上の課題だが、継続的なモニタリングは維持が困難である。本論文では、教師なしキーポイントと予測的時系列モデリングを用いてRGB送信を置き換えるプライバシー保護フレームワークを提案する。ローカル処理でセグメンテーションとキーポイント抽出を行い、変分再帰予測と系列分類により転倒を検出する。UR Fall DetectionとHuman Fallデータセットでの評価では、遮蔽や部分的可視性において教師なしキーポイントが教師あり手法を大幅に上回り、帯域制約下ではその差が拡大する。

部分情報分解（PID）フレームワークを用いて、トレーニング前に最適なMRIコントラストペアを選択し、マルチコントラスト3D脳腫瘍セグメンテーションの計算コストを削減する。T1n、T1c、T2w、T2-FLAIRに適用した結果、T1c+T2-FLAIRが選択され、軽量3D U-Netで平均Dice 0.676（全4入力では0.687）を達成した。

マルチモーダル大規模言語モデル（MLLM）は、物体全体のグラウンディングは得意ですが、クエリが物体ではなくパーツを指定する場合に苦戦します。本論文では、物体-パーツ階層リフレクティブグラウンディング（OP-HRG）を提案します。これは粗から細への推論誘導戦略で、まず親オブジェクトを特定し、次にその中のパーツを特定します。自己チェックで結果を検証し、予測クロップを再エンコードして修正領域を検査する拡張も行います。パーツ認識型GRPOフレームワークを導入し、段階的報酬でパイプラインを訓練します。4Bモデルは、PascalPart、PartImageNet、InstructPartにおいて7BグラウンディングLLMやSAM3を上回り、推論セグメンテーションにも転移できます。

本研究は、凍結された視覚言語モデル（RegionPLC）とプロンプト可能な概念セグメンター（SAM3）をクロスビュー一貫性で融合し、訓練や少数ショットサポートを一切必要としないオープンボキャブラリ3D点群セグメンテーション手法を提案。ScanNet200およびScanNet++ベンチマークで新規クラスの性能を大幅に向上させた。

AI生成動画（AIGV）はフレーム間の不整合による微妙な時間的アーティファクトを含む。しかし、標準的なグローバルリードアウトを用いるビデオバックボーンは、局所パッチの時間ダイナミクスを抑制し、検出を妨げる。提案手法V-PVPは、パッチ速度場上の並列ストリームで集約層を置き換える軽量リードアウトで、約0.5Mパラメータを追加し、バックボーンを凍結したままAIGVDBenchで95.28 AUCを達成。

本研究では、HOG+SVM、LBP+ロジスティック回帰、軽量CNNをFER-2013、CK+、KDEFの3つの顔表情データセットで比較。CNNは特に複雑なデータで最高の性能を示し、HOGは制御された環境で強力、LBPは全データセットで低性能。データセットの複雑さが性能に大きく影響し、実世界の応用にはロバストな特徴学習が不可欠であることを強調。

大規模言語モデル（LLM）は事前に指定された質問への回答に優れているが、結論が出る前のオープンエンドな発見段階を探索する能力はほとんど測定されていない。本論文は、不確定な証拠からモデルが自律的に根拠のある、識別可能かつ検証可能な仮説空間を構築する「将来的仮説発見（PHD）」を導入する。この能力を評価するために、6つの科学・分析領域にわたる988事例のHypoDataデータセットとHypoEval評価フレームワークからなるHypoArenaベンチマークを構築。15の最先端LLMでの実験により、明確な能力の階層化と構造化分析スキルのモデル依存効果が明らかになり、一部の低性能モデルでは向上が見られたが、トップモデルを含む他のシステムでは後退が見られた。

本論文では、BIRDという2段階の自己推論蒸留手法を提案する。最初に簡潔な指示で解をサンプリングし、プロンプト切り替えSFTを行い、その後、よりクリーンなプレフィックスに対してオン方策逆KL蒸留を適用する。Qwen3-8Bでは、MATH-500の精度が86.2%から92.0%に向上し、応答長が3,099トークンから1,115トークンに削減された。

本論文では、マスク拡散言語モデルのための適応型先読みフレームワークAdaLookを提案する。候補スコアの分散に基づいて先読み深度を動的に決定し、ブランチ拡張を可能にすることで、既存の1ステップ先読み手法よりも優れた精度と効率のトレードオフを実現する。

本研究は従来の多クラス分類としての発話先検出を再検討し、発話先を連続現象として分析する。複数アノテーターによるコーパスから連続レベルを推定し、ターンテイキング、視線、バックチャネルとの関連を示す。連続モデルが離散ラベルより優れた予測を達成し、発話先の段階的構造が示唆される。

研究者らは、新しい解釈可能性技術「ヤコビアンレンズ」を用いて、大規模言語モデル内に人間の意識のグローバルワークスペースに類似した機能構造（J-space）を発見した。この表現は、報告可能、意図的に呼び出し保持可能、中間推論ステップに使用可能、任意の下流計算に引数として渡せる一方、自動処理はそれらなしで進行する。J-spaceは中間層でのみ一貫した内容を持ち、同時に数十の概念を保持し、より広くブロードキャストされる。アライメント監査では、出力に現れない戦略的熟考、評価認識、誤った傾向が明らかになる。ポストトレーニングはアシスタントの視点をワークスペースにインストールする。反実仮想リフレクショントレーニングは、モデルが中断された場合に言うことだけを訓練することで行動を改善する。これらの結果は、言語モデルが意識的アクセスの機能的特徴を持つ特権的な表現群を維持していることを示している。

本研究では、電子健康記録中のマルチモーダルデータ（構造化測定値と自由テキストの臨床叙述）をすべて自然言語シーケンスに変換し、専用の融合アーキテクチャを必要とせずに事前学習済み言語モデルをエンドツーエンドで微調整する手法を提案。院内死亡率、移植片不全、救急トリアージの3つの臨床予測タスクで評価した結果、統一シリアル化アプローチはタスク固有のマルチモーダルベースラインに匹敵またはそれを上回り、臨床で使用されている勾配ブースティングモデルを凌駕し、システムの複雑さを大幅に低減した。

LLM4EHRは、ドメイン適応された大規模言語モデルとTransformer時系列エンコーダを組み合わせ、正則化された対照学習目的によりEHRイベントと時系列を整列させる新しい臨床基盤モデルであり、ICU予測タスクで優れた性能を示し、kショット適応による新規コホートへの転移も可能。

この研究は、2019年と2021年の医療支出パネル調査（MEPS）データを用いて、COVID-19パンデミック前後の医療費に関する財務的脆弱性を調査した。高負担は、自己負担医療費が世帯収入の10%を超える場合と定義された。貧困状態、保険加入状況、処方薬支出が脆弱性と強く関連していることがわかった。パンデミック前に訓練されたモデルは、パンデミック後のデータに適用しても性能低下がわずかであり、主要な予測因子が比較的安定していることを示した。

本論文は、教師あり二値分類タスクにおける標準線形モデルと単一量子ビット混合状態モデルの内在的解釈可能性を特徴付け比較する。結果、単一量子ビット混合状態モデルは線形分類の「楕円体バージョン」であり、超平面ではなく超楕円体を学習することが示された。両モデルの幾何学的帰納バイアスと特徴重要度帰納バイアスの違いを議論し、量子知識がなく線形分類のみを知る読者に量子機械学習へのアクセス可能な経路を提供する。

本論文は、コンパクトな医用画像分類器の効率性と解釈可能性を両立するqZACH-ViTを提案する。ゼロトークン（CLSトークンフリー）、ポジションフリーのZACH-ViTバックボーンを量子化認識に拡張し、再帰的内在パッチレベルクラス証拠を導入。さらに、分類とアトリビューションの勾配をノルム一致させ、競合成分を除去する再帰的アトリビューション安定化最適化（RASO）を開発。7つのMedMNISTデータセットで評価し、混合精度INT8 qZACH-ViTはFP32ベースラインを上回り、モデルサイズ70%削減、CPU速度1.41～2.39倍高速化、予測一致率99.975%を達成。RASOは十分性誤差を低減し、ノイズ安定性を向上。

5つの主要な大規模言語モデル（LLM）のテクニカル市場分析能力を系統的に評価した研究。GPT-4 Turboが汎用モデル中で最高の年率リターンとシャープレシオを達成し、FinGPTはドメイン特化の微調整により競争力のあるリスク調整後パフォーマンスを示した。また、数値幻覚、コンテキストウィンドウ制限などの障害モードも特定された。

本論文は、確率的多目的正則性認識（MoRe）手法を提案し、部分問題が正則である場合に衝突回避方向のリプシッツ連続性を活用することで、非凸設定における収束率をO(T^{-1/4})からO(T^{-1/2})に改善し、各反復での衝突回避保証を提供する。

本論文では、ベルヌーイ単純ベイズ（BNB）モデルを用いた統計的に基づくフレームワークを提案し、教師付きχ²二値化により連続変数を閾値に変換することで完全に解釈可能なルールベースの臨床分類を実現する。Pima Indians Diabetes、Wisconsin Breast Cancer、Heart Failure Predictionの3つのベンチマークデータセットでAUCスコア0.800、0.984、0.919を達成。確率較正はBrierスコアとベータ較正により改善され、モデル推論は参照表と基本算術のみで再現可能であり、医療AIの信頼性と一般化可能性を高める実用的アプローチを提供する。

本論文は、確率的スケーリングパラダイムを汎用量子回路合成に適用することは方向性の誤りであると主張する。量子回路は数学的制約に厳密に従う必要があり、構文と意味の間に大きなギャップが存在する。有効な回路設計の部分集合は量子ビット数に応じて指数関数的に減少するため、事後フィルタリングは数学的に困難である。著者らは、人間中心のコパイロットから検証器中心のエージェントへの転換を提案し、階層的制約、トポロジカルマスク、記号的プロキシを生成に直接組み込む。

本論文では、アダマール変換を離散フーリエ変換（DFT）の代わりに用いた際に生じる巡回-二進畳み込みの代数誤差の構造を解明する。3つの相補的な結果を示す：誤差が完全に打ち消される位置、誤差作用素の階数、および期待誤差のスカラー制御式。

本研究は、OECDの包括的データセットを用いて、信頼できるAI(TAI)を運用可能にするためのツールとトラストマークフレームワークを批判的に分析し、倫理的焦点、ライフサイクルカバレッジ、ステークホルダー対象、ツール類型における顕著な非対称性を明らかにした。公平性、透明性、ロバスト性が強調される一方、説明可能性、デジタルセキュリティ、環境持続可能性への注意は比較的少ない。ほとんどのツールと認証は開発後の段階に集中し、初期設計やデータ収集段階へのガイダンスは限定的である。教育イニシアチブや政策関与は著しく未発達であり、現在のTAIの取り組みは産業界の技術的・手続き的措置に支配されている。研究は、倫理的目的の拡大、AIライフサイクル全体への倫理の組み込み、そしてより広範なマルチステークホルダー参加を促進することで、AIの原則と実践の間の永続的なギャップを埋めることを提唱している。

本論文は、深層強化学習ポリシーを実行可能なProlog論理プログラムに変換し、ブラックボックスモデルを説明可能にする手法を提案する。3段階の事後変換：凍結したPPO教師の抽出、順序付きルールリストの帰納、Prologプログラムの生成、さらにリターン向上を保証する拡張段階を含む。理論的保証として、リターン損失限界、単調改善、連続領域での忠実度制御を提供。実験では、離散タスクで正確な最適リターンを達成し、連続制御タスクでニューラル教師に匹敵する性能を示した。

インターネットミームは視覚的要素、テキスト、文化的文脈が絡み合い、ユーモア、皮肉、悪意が共存する場合に解釈が困難です。既存のマルチモーダル分類器はこれらの相互依存性を見落とすか、解釈可能性が限られています。本論文では、視覚言語モデル（VLM）を活用し、12の構造化された視点からミームを解釈するMAR-12フレームワークを提案します。役割認識ソフトゲートアテンション機構とプロトタイプベース分類器を用い、PrideMMおよびMemotionデータセットでユーモア検出80.3%、ヘイト検出75.9%の精度を達成し、既存手法を上回ります。また、生成される説明は一貫性があり説得力があると評価されました。

新しい研究では、4つのネストされたCodexベースのエージェント実験を通じて、実行可能な世界モデル、計画的な単純化、正確な再生検証がARC-AGI-3タスクにどのように貢献するかを明らかにした。結果は、より強力なモデルと高い推論努力が常に性能を向上させるが、各コンポーネントの効果は設定によって異なり、完全な検証処理が最も性能が高いがリソースを多く消費することを示している。

DrawingVQAは、実際の建設図面におけるマルチモーダル大規模言語モデル（MLLM）を評価する初のベンチマークです。33枚の「発行済み施工図面」と92の専門家作成の質問応答ペアを含み、知覚理解、文脈解釈、専門家推論の3つの推論深度をカバーします。二重分類フレームワークにより、工学的ワークフローをAI能力にマッピングし、最先端MLLMと専門家の間には、特に高推論深度で大きな性能差があることを明らかにしました。

4,181の数学問題に対する研究により、マルチエージェントシステムにおいて、プランナー・エグゼキューター・レビューアのパイプラインの高精度レビューアは、批評が実際に回答の改善に使用されることを保証しないことが明らかになった。ブロードキャストスタイルのピアディスカッションは困難な問題でより高い精度を達成し、検出と取り込みの間のギャップを浮き彫りにしている。

Cura 1Tは、人間がゲートする自己進化ループで訓練された医療特化型LLMです。患者相談、テキストと画像に基づく臨床推論、対話型診断、電子健康記録（EHR）ツールの使用を処理します。医療評価スイートで最先端モデルと同等以上の性能を示し、ドメイン外の推論やエージェントベンチマークでも競争力を維持します。

本論文では、因果推論を明示的な因果グラフ上の構造化推論として定式化するCausal-Auditフレームワークを提案する。主要な革新として、ターゲット変数を制約としてグラフを拡張するターゲット認識因果グラフ構築戦略と、複数の因果経路を組み合わせる経路レベルの因果証拠集約機構を導入する。3つのベンチマーク実験で既存のLLM手法を上回り、解釈可能で監査可能な推論トレースを提供する。